Inspektur Karakter Unicode

Inspeksi string Unicode karakter demi karakter di browser.

Tanpa unggahanTanpa daftarHasil instan
Unicode & UTF-8/16Zero-Width & Homoglif100% Lokal • Tanpa Unggahan
Periksa Karakter
Mesin offline siapRuang kerja peramban 100% pribadi • Tanpa unggahan awan
100% Pribadi • Tanpa Unggah File ke Server

Mengapa Menggunakan Inspektur Karakter Unicode Gratis Utiliome?

Dirancang dari awal untuk privasi ketat, eksekusi instan, dan tanpa kendala. Tanpa berlangganan, pembatasan berbayar, atau pendaftaran akun.

Deteksi Karakter Tak Terlihat & Bidi Override

Menampilkan karakter kontrol dan format non-cetak termasuk U+200B ZWSP, U+FEFF BOM, U+00A0 NBSP, U+00AD Soft Hyphen, serta override dua arah Trojan Source (U+202A hingga U+202E, U+2066 hingga U+2069).

Rincian Byte UTF-8 & UTF-16LE/BE

Menampilkan urutan byte UTF-8 heksadesimal yang presisi (1 hingga 4 byte sesuai RFC 3629) bersama code unit UTF-16LE dan UTF-16BE, mengungkap pasangan pengganti (surrogate pair) untuk bidang tambahan di atas U+FFFF.

Metrik Grapheme UAX #29 vs Code-Unit

Membandingkan klaster grapheme yang diperluas terhadap jumlah skalar Unicode, code unit UTF-16 JavaScript, dan panjang byte UTF-8 untuk mendiagnosis bug pemotongan string dan overflow kolom database.

Diagnostik Homoglyph & Privasi Tanpa Unggahan

Menandai karakter mirip yang membingungkan berdasarkan UTS #39 seperti glif Sirilik vs Latin dan tanda baca pintar tipografi sepenuhnya di sisi klien dalam memori browser sehingga token, log, dan kode tidak pernah keluar dari perangkat Anda.

Utiliome vs Alternatif Cloud Tradisional

Bandingkan mesin WebAssembly lokal kami dengan alat cloud lama.

Fitur Utiliome (Browser Lokal) Konverter Cloud Lama
Deteksi Karakter Tak Terlihat & Bidi Override Menampilkan karakter kontrol dan format non-cetak termasuk U+200B ZWSP, U+FEFF BOM, U+00A0 NBSP, U+00AD Soft Hyphen, serta override dua arah Trojan Source (U+202A hingga U+202E, U+2066 hingga U+2069). Opsi terbatas tanpa kustomisasi lanjutan
Rincian Byte UTF-8 & UTF-16LE/BE Menampilkan urutan byte UTF-8 heksadesimal yang presisi (1 hingga 4 byte sesuai RFC 3629) bersama code unit UTF-16LE dan UTF-16BE, mengungkap pasangan pengganti (surrogate pair) untuk bidang tambahan di atas U+FFFF. Memerlukan alat eksternal atau pemrosesan manual
Privasi & Pemrosesan Data 100% lokal di browser (tanpa unggah ke server) Mengunggah data ke server cloud pihak ketiga
Harga & Kewajiban Akun 100% gratis selamanya tanpa registrasi Wajib daftar akun atau langganan berbayar
Cara kerja

Cara Menggunakan Inspektur Karakter Unicode dalam 3 Langkah Mudah

Tidak memerlukan instalasi perangkat lunak. Semuanya berjalan langsung di dalam browser web Anda.

1

Tempel Teks atau Taruh File

Tempel string, identifier, entri log, atau unggah file UTF-8 yang dicurigai mengandung karakter zero-width, urutan emoji rusak, atau panjang byte yang tidak terduga.

2

Inspeksi Metadata Per Karakter

Tinjau code point skalar U+XXXX setiap karakter, nama resmi Unicode, Kategori Umum (General Category), alokasi blok, byte hex UTF-8 dan UTF-16LE/BE, serta lencana peringatan keamanan.

3

Isolasi Anomali atau Salin Output Bersih

Filter langsung ke karakter format tak terlihat atau homoglyph yang membingungkan, hapus code point non-cetak yang tidak diinginkan, atau salin tabel inspeksi tingkat byte untuk laporan bug.

Menginspeksi Karakter Tersembunyi, Pasangan Surrogate, dan Homoglyph

Jawaban Cepat: Tempel string apa pun untuk menguraikannya menjadi nilai skalar Unicode individual, mengungkap karakter tak terlihat seperti U+200B Zero Width Space atau U+FEFF BOM, urutan emoji ZWJ multi-codepoint, serta karakter non-ASCII yang mirip beserta urutan byte UTF-8 dan UTF-16 yang tepat.

Kegagalan parser, ketidakcocokan tanda tangan webhook, dan pencarian SQL yang gagal sering kali berakar dari karakter yang dirender secara identik—atau sama sekali tidak terlihat—di emulator terminal dan editor kode. Bayangkan sebuah variabel lingkungan yang disalin dari portal dokumentasi atau pesan chat yang secara visual tampak identik dengan api_key=prod:

Visual rendering:  api_key=prod
String.length:     14 (expected 12)
UTF-8 byte length: 19 bytes (expected 12 bytes)

Menjalankan string 14-unit tersebut melalui Inspektur Karakter Unicode akan mengungkap tiga anomali berbeda yang tersembunyi di dalam teks yang tampak seperti ASCII biasa: Byte Order Mark (<BOM>) di awal, homoglyph Sirilik yang menggantikan huruf Latin a, dan Zero Width Space (<ZWSP>) yang tersisip di dalamnya:

[
  {
    "index": 0,
    "badge": "<BOM>",
    "codePoint": "U+FEFF",
    "name": "ZERO WIDTH NO-BREAK SPACE",
    "category": "Cf (Format)",
    "block": "Arabic Presentation Forms-B",
    "utf8Hex": "EF BB BF",
    "utf16BE": "FE FF",
    "utf16LE": "FF FE",
    "warning": "Invisible zero-width format character"
  },
  {
    "index": 1,
    "glyph": "а",
    "codePoint": "U+0430",
    "name": "CYRILLIC SMALL LETTER A",
    "category": "Ll (Lowercase Letter)",
    "block": "Cyrillic",
    "utf8Hex": "D0 B0",
    "utf16BE": "04 30",
    "utf16LE": "30 04",
    "warning": "Confusable homoglyph for Latin U+0061 ('a')"
  },
  {
    "index": 2,
    "glyph": "p",
    "codePoint": "U+0070",
    "name": "LATIN SMALL LETTER P",
    "category": "Ll (Lowercase Letter)",
    "block": "Basic Latin",
    "utf8Hex": "70",
    "utf16BE": "00 70",
    "utf16LE": "70 00",
    "warning": null
  },
  {
    "index": 8,
    "badge": "<ZWSP>",
    "codePoint": "U+200B",
    "name": "ZERO WIDTH SPACE",
    "category": "Cf (Format)",
    "block": "General Punctuation",
    "utf8Hex": "E2 80 8B",
    "utf16BE": "20 0B",
    "utf16LE": "0B 20",
    "warning": "Invisible zero-width format character"
  }
]

Inspektur ini juga memperjelas mengapa emoji multi-codepoint melaporkan panjang yang sangat berbeda di berbagai runtime. Menginspeksi satu emoji teknolog yang terlihat tunggal 👨💻 mengungkap tiga code point skalar yang digabungkan oleh <ZWJ> (U+200D), menempati 5 code unit UTF-16 di JavaScript dan 11 byte dalam UTF-8:

Grapheme clusters (UAX #29): 1   -> [ "👨💻" ]
Unicode scalar code points:  3   -> U+1F468 (Man) + U+200D (<ZWJ>) + U+1F4BB (Laptop)
UTF-16 code units (.length): 5   -> D83D DC68 + 200D + D83D DCBB
UTF-8 encoded bytes:         11  -> F0 9F 91 A8 + E2 80 8D + F0 9F 92 BB

Mekanisme Pengodean Unicode, Batas Grapheme, dan Risiko Keamanan

Jawaban Cepat: Unicode memetakan 1.112.064 nilai skalar yang valid di 17 bidang ke dalam UTF-8 dengan lebar variabel (1 hingga 4 byte sesuai RFC 3629) atau UTF-16 (2 atau 4 byte melalui pasangan surrogate sesuai RFC 2781). Perbedaan antara klaster grapheme, bentuk normalisasi kanonis, dan kontrol bidi tak terlihat menyebabkan bug parser dan kerentanan keamanan.

Nilai Skalar, Bit Prefiks UTF-8 (RFC 3629), dan Surrogate UTF-16 (RFC 2781)

Ruang kode Unicode membentang dari U+0000 hingga U+10FFFF melintasi 17 bidang (plane) yang masing-masing terdiri dari 65.536 code point. Tidak termasuk 2.048 posisi surrogate yang dicadangkan (U+D800 hingga U+DFFF), terdapat tepat 1.112.064 nilai skalar Unicode:

  • UTF-8 mengodekan Plane 0 Basic Latin (U+0000 hingga U+007F) dalam 1 byte (0xxxxxxx), U+0080 hingga U+07FF dalam 2 byte (110xxxxx 10xxxxxx), karakter Basic Multilingual Plane (BMP) sisanya (U+0800 hingga U+FFFF) dalam 3 byte (1110xxxx 10xxxxxx 10xxxxxx), dan bidang astral tambahan (U+10000 hingga U+10FFFF) dalam 4 byte (11110xxx 10xxxxxx 10xxxxxx 10xxxxxx). Karena byte lanjutan selalu dimulai dengan 10, UTF-8 bersifat sinkronisasi mandiri dan tidak pernah mengandung byte null (0x00) di dalam karakter non-null.
  • UTF-16 merepresentasikan nilai skalar BMP secara langsung sebagai satu code unit 16-bit. Karakter dari U+10000 hingga U+10FFFF dikurangi 0x10000 untuk menghasilkan offset 20-bit (0x00000 hingga 0xFFFFF), membagi 10 bit atas menjadi lead/high surrogate (0xD800 hingga 0xDBFF) dan 10 bit bawah menjadi trail/low surrogate (0xDC00 hingga 0xDFFF). UTF-16BE menserialisasikan byte paling signifikan terlebih dahulu (D8 3D DC 80), sedangkan UTF-16LE membalikkan urutan byte di dalam setiap unit 16-bit (3D D8 80 DC).

Ekuivalensi Kanonis (UAX #15) dan Segmentasi Grapheme (UAX #29)

Teks yang tampak identik secara visual sering kali memiliki representasi byte dasar yang berbeda. Berdasarkan Unicode Standard Annex #15, é dapat disimpan dalam Normalization Form C (NFC) sebagai U+00E9 pra-komposisi (UTF-8 C3 A9) atau dalam Normalization Form D (NFD) sebagai karakter dasar U+0065 (e) diikuti oleh U+0301 (COMBINING ACUTE ACCENT, Kategori Umum Mn, UTF-8 65 CC 81). Sistem file macOS menormalisasi nama file ke bentuk NFD sementara Linux, Windows, dan pengiriman formulir browser menggunakan default NFC—menyebabkan perbandingan string per byte yang naif, pencarian kunci objek S3, dan pemeriksaan HMAC gagal kecuali dinormalisasi terlebih dahulu.

Demikian pula, memotong string berdasarkan indeks UTF-16 (str.slice(0, 10)) dapat memisahkan high surrogate dari low surrogate-nya (menghasilkan surrogate tunggal tak berpasangan yang diserialisasikan menjadi karakter pengganti U+FFFD dalam UTF-8) atau memisahkan karakter dasar dari diakritik penggabungnya, variation selector (U+FE0E, U+FE0F), atau indikator bendera regional (U+1F1E6 hingga U+1F1FF). Karakter yang dilihat pengguna harus disegmentasi sepanjang batas klaster grapheme yang diperluas UAX #29.

Trojan Source (`CVE-2021-42574`) dan Karakter Membingungkan UTS #39

Dua kelas karakter dalam Unicode menimbulkan bahaya keamanan aplikasi yang serius:

  1. Bidirectional Override (Cf): Code point U+202A hingga U+202E (<LRE>, <RLE>, <PDF>, <LRO>, <RLO>) dan isolate U+2066 hingga U+2069 (<LRI>, <RLI>, <FSI>, <PDI>) menginstruksikan perender teks untuk membalik urutan tampilan tanpa mengubah urutan memori logis. Penyerang menggunakan kontrol bidi yang tidak ditutup untuk menyamarkan pemeriksaan kondisional aktif di dalam komentar atau literal string (CVE-2021-42574).
  2. Spoofing Homoglyph (UTS #39): Karakter lintas aksara yang mirip (U+0430 Sirilik а, U+03BF Yunani ο, U+FF21 Fullwidth A) memungkinkan penyerang memalsukan nama domain yang menipu (serangan homograf IDN), membayangi variabel dalam kode sumber (CVE-2021-42694), atau melewati daftar blokir kata kunci.

Inspektur Karakter Unicode vs Alat Teks dan Pengodean Lainnya

Jawaban Cepat: Gunakan Inspektur Karakter Unicode untuk mengaudit string karakter demi karakter guna mencari kode kontrol tersembunyi, homoglyph, dan urutan byte. Gunakan Tabel ASCII untuk pencarian kode statis 0 hingga 255, Konverter Unicode untuk konversi massal teks ke code point, atau Alat Unicode Escape untuk literal escape spesifik bahasa.

Pilih utilitas yang tepat dalam klaster karakter dan pengodean berdasarkan apakah Anda sedang mendiagnosis string yang tidak dikenal, mencari bagan byte standar, atau mengubah literal string untuk kode sumber:

Kemampuan Inspektur Karakter Unicode Tabel ASCII Konverter Unicode Alat Unicode Escape
Alur Kerja Utama Audit diagnostik per karakter untuk string atau file yang ditempel Bagan referensi interaktif untuk kode byte 0–255 Konversi massal antara teks, code point, dan array byte Melakukan escape dan unescape literal string kode sumber
Peringatan Tersembunyi & Bidi Menyoroti <ZWSP>, <BOM>, <NBSP>, dan kode bidi Trojan Source Mencantumkan kode kontrol C0 (0–31, 127) dan C1 (128–159) Mengodekan kode kontrol secara numerik tanpa lencana keamanan Mengonversi karakter non-ASCII menjadi escape \uXXXX yang terlihat
Deteksi Homoglyph Menandai karakter mirip lintas aksara UTS #39 dan tanda baca pintar Hanya mencakup US-ASCII 7-bit dan ISO-8859-1 Latin-1 Tidak ada analisis aksara yang membingungkan Tidak ada analisis aksara yang membingungkan
Perbedaan Grapheme vs UTF-16 Menampilkan grapheme UAX #29, poin skalar, unit UTF-16, dan byte UTF-8 Baris tabel 1-byte (8-bit) tetap Menghasilkan aliran penuh UTF-8, UTF-16, dan UTF-32 Mempertahankan atau memasangkan surrogate UTF-16 (\uD83D\uDE80 vs \u{1F680})
Sintaks Escape Bahasa Menampilkan code point hex mentah (U+XXXX) dan nilai byte Menampilkan escape C/JS, notasi caret (^M), dan entitas HTML Memformat daftar code point hex/desimal Mode escape khusus untuk JS, JSON, Python, CSS, Rust, dan HTML
  • Beralihlah ke Tabel ASCII saat Anda membutuhkan bagan pencarian cepat untuk bitmask biner US-ASCII 7-bit (0–127) dan Extended Latin-1 (128–255), kode oktal, serta notasi caret terminal.
  • Gunakan Konverter Unicode saat Anda ingin mengonversi seluruh blok teks secara massal menjadi daftar U+XXXX kontinu atau aliran heksadesimal UTF-8/UTF-16/UTF-32.
  • Gunakan Alat Unicode Escape saat menyiapkan atau mendekode urutan \uXXXX, \u{XXXXX}, \xXX, atau CSS \XXXXXX untuk payload JSON dan file sumber, atau buka Penghitung Karakter saat memeriksa teks terhadap batas meta tag SEO dan segmen SMS GSM-7/UCS-2.
FAQ

FAQ dan Panduan Teknis Inspektur Karakter Unicode

Semua yang perlu Anda ketahui tentang penggunaan inspektur karakter unicode online gratis Utiliome.

Mengapa String.length di JavaScript mengembalikan nilai 2 atau lebih untuk satu karakter yang terlihat tunggal?

JavaScript, Java, dan C# mengukur panjang string dalam code unit UTF-16 16-bit, bukan nilai skalar Unicode atau klaster grapheme yang diperluas UAX #29. Karakter apa pun di luar Basic Multilingual Plane (di atas U+FFFF, seperti U+1F680 Roket) memerlukan pasangan high dan low surrogate, sehingga menghasilkan .length bernilai 2. Urutan emoji komposit yang digabungkan dengan U+200D Zero Width Joiner (<ZWJ>) dan U+FE0F Variation Selector-16 menggabungkan beberapa nilai skalar menjadi satu glif visual, yang sering kali menghasilkan nilai .length antara 5 dan 11.

Karakter Unicode tak terlihat mana yang paling sering merusak JSON, YAML, dan kode sumber?

Empat penyebab paling umum adalah U+00A0 No-Break Space (<NBSP>, sering tidak sengaja diketik melalui Option+Space di macOS, merusak indentasi YAML dan parser SQL), U+FEFF Byte Order Mark (<BOM>, tersisip di tengah aliran saat menggabungkan file yang disimpan oleh editor Windows), U+200B Zero Width Space (<ZWSP>, tersalin dari dokumen rich-text, PDF, atau aplikasi chat ke dalam token API), dan tanda kutip pintar tipografi (U+201C dan U+201D) yang menggantikan tanda kutip lurus ASCII (U+0022).

Bagaimana cara mendeteksi serangan bidirectional override Trojan Source dalam cuplikan kode?

Trojan Source (CVE-2021-42574) mengeksploitasi sembilan karakter kontrol dua arah Kategori Umum Cf Unicode—U+202A (<LRE>), U+202B (<RLE>), U+202C (<PDF>), U+202D (<LRO>), U+202E (<RLO>), U+2066 (<LRI>), U+2067 (<RLI>), U+2068 (<FSI>), dan U+2069 (<PDI>)—untuk menyusun ulang token sumber secara visual sehingga pernyataan yang dapat dieksekusi tampak seperti dikomentari selama peninjauan manusia. Menempelkan kode mencurigakan ke dalam inspektur akan mengungkap setiap code point bidi tersembunyi pada indeks karakternya yang tepat.

Mengapa dua string beraksen yang tampak identik secara visual gagal dalam pemeriksaan kesetaraan ketat (strict equality)?

Unicode mengizinkan beberapa representasi yang setara secara kanonis di bawah UAX #15. Misalnya, 'é' dalam Normalization Form C (NFC) adalah satu nilai skalar pra-komposisi U+00E9 (byte UTF-8 C3 A9), sedangkan dalam Normalization Form D (NFD) terdiri dari dua nilai skalar: U+0065 ('e') diikuti oleh Combining Acute Accent U+0301 (byte UTF-8 65 CC 81). Menginspeksi kedua string akan memperlihatkan perbedaan urutan code point sehingga Anda dapat menerapkan .normalize('NFC') sebelum melakukan hashing atau perbandingan.

Apakah teks yang ditempel atau data yang diunggah dikirimkan ke server mana pun?

Tidak. Segmentasi karakter, ekstraksi code point, perhitungan byte UTF-8 dan UTF-16LE/BE, serta pemeriksaan homoglyph yang membingungkan berjalan sepenuhnya di browser Anda menggunakan API JavaScript sisi klien bawaan. Kunci API, log produksi, dan cuplikan kode sumber pribadi tetap berada sepenuhnya di dalam memori lokal.